- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我正在使用 制作这个下载器应用程序tkinter 和请求 我最近在我的程序中发现了一个错误。基本上我希望我的程序在开始下载 URL 的内容之前检查给定的 URL 是否可下载。我过去常常通过获取 来做到这一点。 URL 的 header 并检查“内容长度”是否存在 它适用于某些 URL(例如: https://www.google.com )但对于其他 URL(例如指向 youtube 视频的链接)它不起作用并且它使我的程序崩溃。我看到有人说一个我可以检查的stackoverflow 标题的“Content-Disposition”中的“attachment”但它对我不起作用,并为可下载和不可下载的 URL 返回了相同的内容。做这个的最好方式是什么?
我尝试过但不起作用的另一个stackoverflow问题中提到的代码:
import requests
url = 'https://www.google.com'
headers=requests.head(url).headers
downloadable = 'attachment' in headers.get('Content-Disposition', '')
我以前的代码:
headers = requests.head(url, headers={'accept-encoding': ''}).headers
try:
print(type(headers['Content-Length']))
file_size = int(headers['Content-Length'])
except KeyError:
# Just a class that I defined to raise an exception if the URL was not downloadable
raise NotDownloadable()
更新:网址:
最佳答案
根据 Request for Comment (RFC) 6266内容处置 header 字段:
is not part of the HTTP standard, but since it is widely implemented,we are documenting its use and risks for implementers.
import requests
urls = ['https://www.stats.govt.nz/assets/Uploads/Annual-enterprise-survey/Annual-enterprise-survey-2019-financial'
'-year-provisional/Download-data/annual-enterprise-survey-2019-financial-year-provisional-csv.csv',
'http://www.pdf995.com/samples/pdf.pdf', 'https://jeroen.github.io/files/sample.rtf',
'https://www.cnn.com/2021/01/23/opinions/biden-climate-change-gillette-wyoming-coal-sutter/index.html',
'https://www.google.com',
'https://thumbs-prod.si-cdn.com/d4e3zqOM5KUq8m0m-AFVxuqa5ZM=/800x600/filters:no_upscale():focal(554x699:555x700)/https://public-media.si-cdn.com/filer/a4/04/a404c799-7118-459a-8de4-89e4a44b124f/img_1317.jpg',
'https://www.blank.org']
for url in urls:
headers = requests.head(url).headers
Content_Length = [value for key, value in headers.items() if key == 'Content-Length']
if len(Content_Length) > 0:
Content_Size = ''.join(map(str, Content_Length))
else:
Content_Size = 'The content size was not available.'
Content_Disposition_Exists = bool({key: value for key, value in headers.items() if key == 'Content_Disposition'})
if Content_Disposition_Exists is True:
# do something with the file
pass
else:
Content_Type = {value for key, value in headers.items() if key == 'Content-Type'}
compression_formats = ['application/gzip', 'application/vnd.rar', 'application/x-7z-compressed',
'application/zip', 'application/x-tar']
compressed_file = bool([file_format for file_format in compression_formats if file_format in Content_Type])
image_formats = ['image/bmp', 'image/gif', 'image/jpeg', 'image/png', 'image/svg+xml', 'image/tiff',
'image/webp']
image_file = bool([file_format for file_format in image_formats if file_format in Content_Type])
text_formats = ['application/rtf', 'text/plain']
text_file = bool([file_format for file_format in text_formats if file_format in Content_Type])
if compressed_file is True:
print('Compressed file')
print(Content_Size)
elif image_file is True:
print('Image file')
print(Content_Size)
elif text_file is True:
print('Text file')
print(Content_Size)
elif 'application/pdf' in Content_Type:
print('PDF file')
print(Content_Size)
elif 'text/csv' in Content_Type:
print('CSV File')
print(Content_Size)
import requests
urls = ['https://www.stats.govt.nz/assets/Uploads/Annual-enterprise-survey/Annual-enterprise-survey-2019-financial'
'-year-provisional/Download-data/annual-enterprise-survey-2019-financial-year-provisional-csv.csv',
'http://www.pdf995.com/samples/pdf.pdf', 'https://jeroen.github.io/files/sample.rtf',
'https://www.cnn.com/2021/01/23/opinions/biden-climate-change-gillette-wyoming-coal-sutter/index.html',
'https://www.google.com',
'https://thumbs-prod.si-cdn.com/d4e3zqOM5KUq8m0m-AFVxuqa5ZM=/800x600/filters:no_upscale():focal(554x699:555x700)/https://public-media.si-cdn.com/filer/a4/04/a404c799-7118-459a-8de4-89e4a44b124f/img_1317.jpg',
'https://www.blank.org']
def query_headers(webpage):
response = requests.get(webpage, stream=True)
headers = response.headers
file_name = webpage.rsplit('/', 1)[-1]
Content_Disposition_Exists = bool({key: value for key, value in headers.items() if key == 'Content_Disposition'})
if Content_Disposition_Exists is True:
# do something with the file
pass
else:
Content_Type = {value for key, value in headers.items() if key == 'Content-Type'}
compression_formats = ['application/gzip', 'application/vnd.rar', 'application/x-7z-compressed',
'application/zip', 'application/x-tar']
compressed_file = bool([file_format for file_format in compression_formats if file_format in Content_Type])
image_formats = ['image/bmp', 'image/gif', 'image/jpeg', 'image/png', 'image/svg+xml', 'image/tiff',
'image/webp']
image_file = bool([file_format for file_format in image_formats if file_format in Content_Type])
text_formats = ['application/rtf', 'text/plain']
text_file = bool([file_format for file_format in text_formats if file_format in Content_Type])
nl = '\n'
if compressed_file is True:
download_file(file_name, response)
content_size = get_content_size(headers)
return f'File Information: file_type: Compressed file, File size: {content_size}, File name: {file_name}'
elif image_file is True:
download_file(file_name, response)
content_size = get_content_size(headers)
return f'File Information: file_type: Image file, File size: {content_size}, File name: {file_name}'
elif text_file is True:
download_file(file_name, response)
content_size = get_content_size(headers)
return f'File Information: file_type: Text file, File size: {content_size}, File name: {file_name}'
elif 'application/pdf' in Content_Type:
download_file(file_name, response)
content_size = get_content_size(headers)
return f'File Information: file_type: PDF file, File size: {content_size}, File name: {file_name}'
elif 'text/csv' in Content_Type:
download_file(file_name, response)
content_size = get_content_size(headers)
return f'File Information: file_type: CSV file, File size: {content_size}, File name: {file_name}'
elif 'text/html' in "".join(str(Content_Type)):
download_file(file_name, response)
content_size = get_content_size(headers)
return f'File Information: file_type: HTML file, File size: {content_size}, File name: {file_name}'
else:
content_size = get_content_size(headers)
return f'File Information: file_type: no file type found, File size: {content_size}, File name: {file_name}'
def get_content_size(headers):
Content_Length = [value for key, value in headers.items() if key == 'Content-Length']
if len(Content_Length) > 0:
Content_Size = ''.join(map(str, Content_Length))
return int(Content_Size)
else:
return 0
def download_file(filename, file_stream):
with open(f'{filename}', 'wb') as f:
f.write(file_stream.content)
for url in urls:
download_info = query_headers(url)
print(download_info)
# output
File Information: file_type: CSV file, File size: 253178, File name: annual-enterprise-survey-2019-financial-year-provisional-csv.csv
File Information: file_type: PDF file, File size: 433994, File name: pdf.pdf
File Information: file_type: Text file, File size: 9636, File name: sample.rtf
File Information: file_type: HTML file, File size: 185243, File name: index.html
File Information: file_type: HTML file, File size: 0, File name: www.google.com
File Information: file_type: Image file, File size: 78868, File name: img_1317.jpg
File Information: file_type: HTML file, File size: 170, File name: www.blank.org
关于python - 如何检查请求中的 URL 是否可下载,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/65797228/
我正在处理一组标记为 160 个组的 173k 点。我想通过合并最接近的(到 9 或 10 个组)来减少组/集群的数量。我搜索过 sklearn 或类似的库,但没有成功。 我猜它只是通过 knn 聚类
我有一个扁平数字列表,这些数字逻辑上以 3 为一组,其中每个三元组是 (number, __ignored, flag[0 or 1]),例如: [7,56,1, 8,0,0, 2,0,0, 6,1,
我正在使用 pipenv 来管理我的包。我想编写一个 python 脚本来调用另一个使用不同虚拟环境(VE)的 python 脚本。 如何运行使用 VE1 的 python 脚本 1 并调用另一个 p
假设我有一个文件 script.py 位于 path = "foo/bar/script.py"。我正在寻找一种在 Python 中通过函数 execute_script() 从我的主要 Python
这听起来像是谜语或笑话,但实际上我还没有找到这个问题的答案。 问题到底是什么? 我想运行 2 个脚本。在第一个脚本中,我调用另一个脚本,但我希望它们继续并行,而不是在两个单独的线程中。主要是我不希望第
我有一个带有 python 2.5.5 的软件。我想发送一个命令,该命令将在 python 2.7.5 中启动一个脚本,然后继续执行该脚本。 我试过用 #!python2.7.5 和http://re
我在 python 命令行(使用 python 2.7)中,并尝试运行 Python 脚本。我的操作系统是 Windows 7。我已将我的目录设置为包含我所有脚本的文件夹,使用: os.chdir("
剧透:部分解决(见最后)。 以下是使用 Python 嵌入的代码示例: #include int main(int argc, char** argv) { Py_SetPythonHome
假设我有以下列表,对应于及时的股票价格: prices = [1, 3, 7, 10, 9, 8, 5, 3, 6, 8, 12, 9, 6, 10, 13, 8, 4, 11] 我想确定以下总体上最
所以我试图在选择某个单选按钮时更改此框架的背景。 我的框架位于一个类中,并且单选按钮的功能位于该类之外。 (这样我就可以在所有其他框架上调用它们。) 问题是每当我选择单选按钮时都会出现以下错误: co
我正在尝试将字符串与 python 中的正则表达式进行比较,如下所示, #!/usr/bin/env python3 import re str1 = "Expecting property name
考虑以下原型(prototype) Boost.Python 模块,该模块从单独的 C++ 头文件中引入类“D”。 /* file: a/b.cpp */ BOOST_PYTHON_MODULE(c)
如何编写一个程序来“识别函数调用的行号?” python 检查模块提供了定位行号的选项,但是, def di(): return inspect.currentframe().f_back.f_l
我已经使用 macports 安装了 Python 2.7,并且由于我的 $PATH 变量,这就是我输入 $ python 时得到的变量。然而,virtualenv 默认使用 Python 2.6,除
我只想问如何加快 python 上的 re.search 速度。 我有一个很长的字符串行,长度为 176861(即带有一些符号的字母数字字符),我使用此函数测试了该行以进行研究: def getExe
list1= [u'%app%%General%%Council%', u'%people%', u'%people%%Regional%%Council%%Mandate%', u'%ppp%%Ge
这个问题在这里已经有了答案: Is it Pythonic to use list comprehensions for just side effects? (7 个答案) 关闭 4 个月前。 告
我想用 Python 将两个列表组合成一个列表,方法如下: a = [1,1,1,2,2,2,3,3,3,3] b= ["Sun", "is", "bright", "June","and" ,"Ju
我正在运行带有最新 Boost 发行版 (1.55.0) 的 Mac OS X 10.8.4 (Darwin 12.4.0)。我正在按照说明 here构建包含在我的发行版中的教程 Boost-Pyth
学习 Python,我正在尝试制作一个没有任何第 3 方库的网络抓取工具,这样过程对我来说并没有简化,而且我知道我在做什么。我浏览了一些在线资源,但所有这些都让我对某些事情感到困惑。 html 看起来
我是一名优秀的程序员,十分优秀!